Algoritam senzorskog fuzije

Kalmanov filter

Kalman filter je tipičan.

Jezgra algoritma je postaviti skup faktora "vjerovanja" za svaki senzor. U svakom trenutku će se senzorski podaci iz posljednjeg trenutka koristiti za statistiku za poboljšanje nagađanja (samoadding), a kvaliteta senzora također će biti prosuđena. U usporedbi između predviđene vrijednosti i izmjerene vrijednosti senzora, procijenit će se izvrsna vrijednost i izlaz.

To znači da ako senzor uvijek daje dobru i dosljednu vrijednost i počne vam govoriti nešto malo vjerodostojnosti, razina vjerodostojnosti senzora smanjit će se za nekoliko milisekundi dok opet ne počne imati smisla.

To je bolje od jednostavnog prosjeka ili glasovanja, jer se Kalman Filter može nositi sa situacijom da većina senzora privremeno nije u redu. Sve dok se može zadržati dobar razlog, robota može proći kroz mračni trenutak.

Kalman Filter je primjena općenitijih koncepata Markov lanca i Bayesovih rezonovanja, što je matematički sustav koji iterativno poboljšava njihova nagađanja koristeći dokaze. Ovi alati su alati koji se koriste kako bi se pomoglo u sama ispitivanja ideja (koje su ujedno i osnova onoga što nazivamo "statistički značaj").

Stoga se poetički može reći da neki sustavi fuzije senzora izražavaju suštinu znanosti brzinom od 1000 puta u sekundi.

Kalman filtri desetljećima se koriste u orbitalnim stanicama svemirskih satelita. Budući da moderni mikrokontroleri mogu voditi algoritam u stvarnom vremenu, postaju sve popularniji u robotici.